Cómo se Pueden Usar las Redes Neuronales en la Industria de la Salud: 10 Casos de Uso
El mercado de IA para el cuidado de la salud se valoró en 8230 millones de dólares en 2020 y se prevé que alcance los 194 400 millones de dólares en 2030, con un crecimiento anual del 38,1 % entre 2021 y 2030. Al mismo tiempo, las redes neuronales artificiales se convertirán en el principal motor de crecimiento del mercado, ya que es gracias a ellas que la “mente” digital puede aprender de manera tan rápida y eficiente. En este artículo, describiremos exactamente cómo se utilizan actualmente las redes neuronales artificiales en la medicina.
Los procedimientos quirúrgicos requieren un conocimiento médico profundo, alta precisión, la capacidad de adaptarse a las circunstancias cambiantes y una atención constante durante un largo período de tiempo. Aunque los cirujanos capacitados tienden a tener todas estas cualidades, son personas comunes y corrientes y, por lo tanto, pueden cometer errores, especialmente si tienen una agenda muy ocupada. Según una investigación de la Universidad Johns Hopkins, los errores quirúrgicos ocurren más de 4000 veces al año solo en los EE . UU . Por ejemplo, al menos
39 veces a la semana un cirujano deja objetos extraños dentro de los pacientes, más de 20 veces a la semana los cirujanos realizan la operación incorrecta o operan en el órgano equivocado.
Y todo esto no son solo palabras: la industria de la cirugía robótica ya está valorada en $40 mil millones, y muestra excelentes resultados:
La comunidad médica ha reconocido durante mucho tiempo que las imágenes pueden aumentar significativamente la probabilidad de detección de enfermedades. Pero a menudo, incluso el ojo humano entrenado de un médico no puede reconocer pequeños detalles en las imágenes. Además, tampoco debemos olvidarnos del problema de los ojos "borrosos": los investigadores de la Universidad de Harvard agregaron la imagen de un gorila a las radiografías y se las mostraron a los médicos: el 83% de los radiólogos no notaron la imagen de un gorila en radiografías
Aquí hay algunos ejemplos más de imágenes médicas que usan redes neuronales:
Los asistentes de enfermería virtuales como Care Angel pueden realizar una cita inicial, programar una visita al hospital, mantener parcialmente los registros médicos, informar los resultados de las pruebas e incluso realizar un control de salud mediante la voz. Otro ejemplo de una solución similar es Sensely. Este asistente virtual es una aplicación interactiva diseñada para agilizar el flujo de trabajo médico, automatizar los procesos de rutina y reducir el costo de monitorear la atención del paciente. Los estudios muestran que el uso de Sensely puede reducir los costos de mano de obra para el control del paciente en un 66 % en comparación con un procedimiento convencional.
Una encuesta del New England Journal of Medicine (NEJM) de médicos británicos encontró que más del 80% de los encuestados consideran que el agotamiento de los médicos es un problema en su organización . Al mismo tiempo, la mitad de estos encuestados informaron que "descargarse de las tareas administrativas" puede resolver total o parcialmente este problema, lo que permite a los médicos pasar más tiempo con los pacientes, así como dedicar más tiempo al desarrollo profesional. Y sobre todo quejas sobre la necesidad de mantener registros médicos electrónicos (EHR) de pacientes que utilizan muchos hospitales en todo el mundo.
Un ejemplo de una solución de este tipo es Olive, una plataforma impulsada por IA que automatiza varios procesos administrativos, como la validación de reclamos médicos infundados, la transferencia de datos médicos necesarios a los profesionales de la salud adecuados, etc. Olive se integra fácilmente con las herramientas de software de atención médica existentes.
K2 Process Automation proporciona servicios similares. Esta plataforma utiliza inteligencia artificial para optimizar la gestión de las instituciones médicas y su personal. En particular, AI K2 puede actualizar automáticamente los datos en el registro del paciente, procesar las solicitudes de los pacientes enviándoles notificaciones cuando reciben los resultados de las pruebas, registrar llamadas y guardar información en consecuencia.
A fines de diciembre de 2021, la plataforma BlueDot predijo el brote de coronavirus en China . La inteligencia artificial BlueDot, que estudió noticias en 65 idiomas, conversaciones de personas en redes sociales e informes sobre la enfermedad, informó un brote de una nueva infección similar a la gripe una semana antes que la Organización Mundial de la Salud (OMS). Y este no es el primer caso de este tipo. Anteriormente, BlueDot había pronosticado un brote del virus Zika en Florida en 2016, seis meses antes de que sucediera. Incluso antes, BlueDot predijo el brote de ébola de 2014 y su propagación más allá de África.
Otra startup que ha demostrado su capacidad para predecir brotes de enfermedades infecciosas es Metabiota. La plataforma ayudó a detener la propagación del ébola en Sierra Leona, según TechCrunch.
En 2015, durante el brote de ébola en África Occidental, la compañía farmacéutica estadounidense Atomwise, utilizando el poder de la inteligencia artificial, se asoció con IBM para evaluar compuestos que pueden unirse a una glicoproteína que evita que el ébola ingrese a las células del interior del cuerpo. Este análisis lo realizó la red neuronal Atomwise en menos de un día, aunque este proceso suele tardar meses e incluso años.
Esta fue la primera vez que la IA aceleró tanto el proceso de desarrollo de fármacos. En otros 5 años, EE. UU. aprobará el primer fármaco, creado casi en su totalidad por IA, el fármaco DSP-1181 para el tratamiento del trastorno obsesivo-compulsivo. Este fármaco fue creado por Exscientia y, según su dirección, tardó solo 12 meses.
Pero este período no es el límite. Insilico Medicin afirma que su IA, GENTRL, es capaz de crear nuevos medicamentos contra ciertas patologías en solo 3 semanas. Se necesitarán unos 25 días más para elegir la mejor opción y probarla. Por lo tanto, se necesitan solo 46 días para crear medicamentos usando GENTRL.
Sin embargo, el proyecto más ambicioso en esta dirección es Deep Genomics. Esta empresa está desarrollando una IA llamada Proyecto Saturno para descubrir nuevos métodos para eliminar los efectos de las mutaciones genéticas. Deep Genomics ya ha evaluado 69 000 millones de moléculas de oligonucleótidos frente a 1 millón de objetivos in silico para crear una biblioteca de 1000 compuestos que se validan experimentalmente para manipular la biología celular según lo previsto.
Otra área intensiva en recursos en el cuidado de la salud donde las redes neuronales artificiales pueden ser útiles es la medicina personalizada. El hecho es que cada caso de tratamiento es único, ya que cada persona tiene una inmunidad, un historial médico y un estado de salud actual únicos. Y todo esto debe tenerse en cuenta para lograr la máxima eficacia del tratamiento. Pero el médico, en primer lugar, no siempre puede ver todos los matices en la condición del paciente y, en segundo lugar, el médico no tiene la competencia necesaria para tomar una decisión integral sobre la construcción del plan de tratamiento más efectivo, teniendo en cuenta todos estos matices, para esto necesita tener el conocimiento más profundo en todas las áreas de la medicina, lo cual no es realista.
Pero está bajo el poder de la inteligencia artificial. Es capaz de estudiar y analizar grandes cantidades de datos y tomar una decisión que tendrá en cuenta todos los datos disponibles sobre el estado del paciente y sus opciones de tratamiento. Hasta el momento, no hay muchos proyectos de este tipo (son demasiado complejos y requieren grandes cantidades de datos médicos de alta calidad). Pero los primeros éxitos en esta dirección ya están ahí: AI Merative de IBM (anteriormente llamado Watson Oncology) está diseñado específicamente para resolver este tipo de problemas.
Otro problema importante en el cuidado de la salud es el fraude. Los medicamentos falsificados, el fraude de seguros y los servicios médicos deficientes, ilegales y deliberadamente ineficaces son tan perjudiciales para la industria como la investigación clínica falsa y deficiente. Solo en los EE. UU., según estimaciones conservadoras , el fraude en la atención médica le cuesta al país alrededor de $ 68 mil millones al año, lo que representa el 3% del gasto total en atención médica del país.
La inteligencia artificial basada en redes neuronales también puede hacer frente a este problema. Por ejemplo, la compañía médica Aetna tiene alrededor de 350 modelos de redes neuronales para seguridad y protección contra fraudes. Highmark Inc también tiene su propio NN antifraude y, según la empresa, su producto de red neuronal ya ha ayudado a la empresa a ahorrar 245 millones de dólares .
¿Con qué frecuencia ha dejado de tomar sus medicamentos, olvidado o ignorado el chequeo de su médico? Las encuestas muestran que este es un problema muy común y los médicos tienen poco o ningún control sobre él. Además, las instrucciones y las críticas del comportamiento de los pacientes por parte de los médicos solo exacerban el problema, ya que los pacientes se avergüenzan de sus enfermedades y simplemente dejan de ir al hospital.
Pero varios dispositivos y aplicaciones que corrigen el comportamiento de las personas pueden ayudar con esto. El ejemplo más evidente son las pulseras de fitness y los relojes inteligentes que ayudan a establecer objetivos (por ejemplo, caminar 4 kilómetros al día) y realizar un seguimiento de su consecución, además de recordarle los exámenes preventivos y la necesidad de actividad física. Las aplicaciones más sofisticadas como Somatix rastrean las actividades diarias de un paciente y señalan sus hábitos y rutinas para que puedan concentrarse en deshacerse de ellos y curarse.
Por último, pero no menos importante, en nuestra lista está la recopilación y el análisis de datos médicos de alta calidad. Y esto no es solo la recopilación del historial del paciente, sino también varios datos relacionados, comenzando con dónde trabaja el paciente y con qué frecuencia va al gimnasio y terminando con qué películas mira y qué comida come; idealmente, todo esto debería También se tendrá en cuenta a la hora de construir un plan de tratamiento.
El problema es que recopilar tales datos es muy difícil y costoso. La gente no quiere informar cada compra, carrera o película de terror que ve. Pero esto se puede hacer mediante plataformas basadas en inteligencia artificial. Si dicha solución se integra con un teléfono inteligente, reloj inteligente, refrigerador, banca en línea y otras fuentes, la inteligencia artificial recopilará dichas estadísticas para cada paciente de forma automática y confidencial.
Hay muchos ejemplos de tales soluciones. Por ejemplo, un gadget de Current Health con inteligencia artificial para el seguimiento médico del estado de una persona. Este dispositivo portátil fue uno de los primeros en recibir la aprobación de la Administración de Drogas y Alimentos de los Estados Unidos (FDA) para uso doméstico. El dispositivo puede medir la frecuencia cardíaca, la respiración, la saturación de oxígeno, la temperatura y la movilidad de los pacientes para proporcionar estos datos al médico, quien hará recomendaciones al paciente.
